基于AutoML的长江下游周旬尺度枯水位及潮位预报

作     者：陈柯兵 邓良爱 李瀛 董炳江 CHEN Kebing;DENG Liang'ai;LI Ying;DONG Bingjiang

作者机构：长江水利委员会水文局湖北武汉430010 长江航道局湖北武汉430010 长江航道规划设计研究院湖北武汉430040 

基　　金：长江航道局科技项目(202230001) 中国长江三峡集团有限公司科研项目(0704198) 长江水利委员会水文局科技创新基金项目(SWJ-CJX23Z08) 长江水利委员会长江科学院开放研究基金资助项目(CKWV2021886 KY) 

出 版 物：《水运工程》 (Port & Waterway Engineering)

年 卷 期：2023年第11期

页      码：120-125页

摘      要：基于微软在2018年发布的自动化机器学习建模平台Azure AutoML,探索长江下游水位及潮位预报模型构建与应用。以大通枯水期周旬尺度最低水位、南京未来14与20次低潮中最低潮位的预报为例,开展研究并从模型构建与评估、预报精度、输入因子重要性等角度进行分析。研究结论表明:微软Azure AutoML平台可便捷地进行自动化机器学习模型的构建;两站点的预报模型在2014—2020年模型构建过程、2021年模型精度分析过程中均取得较高的精度指标,但在最低水位(潮位)波动变幅较大的阶段,预报模型的性能有待进一步提高;大通站不同预见期预报模型的重要输入因子较为一致,排名前三的重要变量依次为八里江、大通、安庆水位;南京潮位预报规律较为复杂,应尽量纳入更长时段的前期潮位信息。

主 题 词：水位预报 潮位预报 航道尺度 自动化机器学习 大通 南京 

学科分类：081505[081505] 07[理学] 08[工学] 0707[理学-海洋科学类] 0815[工学-矿业类] 0824[工学-林业工程类] 0814[工学-地质类] 082401[082401] 

D　O　I：10.3969/j.issn.1002-4972.2023.11.020

馆 藏 号：203124549...